| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 英文名词注释 | 第11-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 研究中存在的问题 | 第16-17页 |
| 1.4 本文研究内容及安排 | 第17-19页 |
| 第二章 人脸识别与人眼检测关键技术 | 第19-33页 |
| 2.1 AdaBoost算法 | 第19-26页 |
| 2.1.1 Haar特征 | 第20-22页 |
| 2.1.2 弱分类器和强分类器 | 第22-24页 |
| 2.1.3 AdaBoost级联分类器 | 第24-25页 |
| 2.1.4 AdaBoost人脸检测过程 | 第25-26页 |
| 2.2 近红外光人眼定位 | 第26-27页 |
| 2.3 投影算法 | 第27-29页 |
| 2.3.1 积分投影函数 | 第27-28页 |
| 2.3.2 差分投影函数 | 第28-29页 |
| 2.4 CamShift运动跟踪算法 | 第29-31页 |
| 2.4.1 颜色投影 | 第29页 |
| 2.4.2 MeanShift | 第29-30页 |
| 2.4.3 CamShift | 第30-31页 |
| 2.5 最大类间差法(OTSU算法) | 第31页 |
| 2.6 肤色检测算法 | 第31-33页 |
| 第三章 基于眼球模型的实时人眼检测技术研究 | 第33-48页 |
| 3.1 引言 | 第33页 |
| 3.2 眼睛模型研究 | 第33-37页 |
| 3.2.1 简化眼睛模型 | 第33-36页 |
| 3.2.2 亮瞳效应产生条件分析 | 第36-37页 |
| 3.3 总体系统设计 | 第37-38页 |
| 3.4 红外光源控制机制 | 第38-40页 |
| 3.5 系统测试与分析 | 第40-47页 |
| 3.5.1 眼睛模型测试 | 第40-42页 |
| 3.5.2 红外光控制测试 | 第42-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于AdaBoost的嵌入式人脸识别 | 第48-62页 |
| 4.1 引言 | 第48-49页 |
| 4.2 系统设计 | 第49-50页 |
| 4.3 关键技术和优化 | 第50-56页 |
| 4.3.1 区域选择优化 | 第50-52页 |
| 4.3.2 AdaBoost算法嵌入式优化 | 第52-56页 |
| 4.4 系统测试与分析 | 第56-60页 |
| 4.4.1 系统测试环境 | 第56页 |
| 4.4.2 测试结果与分析 | 第56-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 面向嵌入式平台的实时人眼检测算法研究与实现 | 第62-72页 |
| 5.1 引言 | 第62页 |
| 5.2 总体框架设计 | 第62-63页 |
| 5.3 关键技术 | 第63-67页 |
| 5.3.1 投影法人眼粗定位 | 第63-64页 |
| 5.3.2 人眼精确定位 | 第64-66页 |
| 5.3.3 CamShift人眼跟踪算法 | 第66-67页 |
| 5.4 系统测试与分析 | 第67-70页 |
| 5.4.1 系统测试环境 | 第67页 |
| 5.4.2 第一帧人眼检测测试 | 第67-69页 |
| 5.4.3 人眼跟踪测试 | 第69-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 本文主要贡献 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士研究生期间主要成果 | 第78-80页 |